基于機器視覺的對象檢測算法研究.pdf

1、基于機器視覺的對象檢測是軍事、民用和工業(yè)生產(chǎn)中經(jīng)常面臨的一個重要的問題。它主要是通過計算機來處理數(shù)據(jù),然后對從不同的傳感器獲取的數(shù)據(jù)對象進行探測、跟蹤和檢測,它涉及到多學科,需要使用不同的技術(shù)和專業(yè)知識。然而,到現(xiàn)在為止,沒有任何一種方法可以解決所有對象的檢測問題,也沒有任何一個對象跟蹤和檢測系統(tǒng)可以解決全部問題。論文在分析了對象檢測研究算法、Hough變換算法和神經(jīng)網(wǎng)絡的國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,進行了不同類對象的檢測算法研究。

2、　　針對現(xiàn)有的線段檢測定位精確度低、容易出現(xiàn)單邊緣的多次響應等問題,論文提出一種基于Canny算子的改進Hough變換的對象檢測算法,根據(jù)線段對象的特性從常用的邊緣檢測算子中尋找綜合性能最佳的算子,并且對累加器單元的細分做了推導。該算法可有效的去除噪聲的干擾,解決了計算精度與計算速度之間的最優(yōu)匹配問題,并有效的解決多峰值檢測問題以及虛假峰值問題,提高了線段檢測的魯棒性。
　　針對剛性對象在受到自身以及外界干擾時不會產(chǎn)生自遮擋、形變

3、、陰影的特性,以及現(xiàn)有特征矩在剛性對象檢測時精確度低的問題,從Hu矩構(gòu)建了十個不變量的組合矩,利用表觀表示法和形狀表示法相結(jié)合,用組合矩來對對象特征進行描述。論文提出一種基于神經(jīng)網(wǎng)絡的剛性對象檢測算法,文中給出了一種基于BP神經(jīng)網(wǎng)絡的分類器,在確定了網(wǎng)絡的輸入和輸出后,針對實際應用選擇合適的模型結(jié)構(gòu),進行參數(shù)訓練,對算法進行誤差分析和效率分析,并且分析了部分參數(shù)對網(wǎng)絡泛化能力的影響,該分類器具有較好的實時性和檢測率。
　　針對行人

4、對象姿態(tài)的復雜性、多樣性,行人對象紋理的多樣性,以及容易受到外界條件干擾的特殊性,在對比了現(xiàn)有的類Haar特征、Shapelet特征和SIFT特征后,設(shè)計了一種對角特征來對類Haar特征進行擴展,并且利用近似積分圖像法快速計算混合特征值,該特征既保持了標量特征運算速度快的優(yōu)勢,又提高了特征描述能力。文中提出一種基于混合特征的AdaBoost算法的行人檢測算法,根據(jù)強、弱分類器的特性構(gòu)建了樹形級聯(lián)分類器,在進行正、負樣本檢測時速度快,該算